[发明专利]用户推荐方法及装置

权利要求书

1.一种用户推荐方法，其特征在于，所述方法包括：

对于任一第一类用户，根据与所述第一类用户对应的访问用户的征信特征、与所述第一类用户对应的交易用户的征信特征及所述第一类用户的下级用户的征信特征，获取所述第一类用户的征信特征，所述访问用户为访问过所述第一类用户的第二类用户，所述交易用户为与所述第一类用户存在历史资源转换记录的第二类用户；

将所述多个第一类用户的征信特征和多个第二类用户的用户特征作为训练样本，通过训练得到预测模型，所述第一类用户用于向所述第二类用户提供资源服务；

在接收到用户推荐请求时，获取待推荐用户的用户特征；

在第N次向所述待推荐用户进行推荐时，将所述待推荐用户的用户特征输入所述预测模型，得到所述多个第一类用户中每个第一类用户的第N次推荐系数；

根据所述每个第一类用户的第N次推荐系数和所述每个第一类用户的前N-1次推荐系数，获取所述每个第一类用户的N次推荐系数和值；

根据所述每个第一类用户的N次推荐系数和值，从所述多个第一类用户中获取指定用户，所述指定用户为N次推荐系数和值大于预设阈值的第一类用户；

向所述待推荐用户推荐所述指定用户，其中，N为大于1的正整数。

2.根据权利要求1所述的方法，其特征在于，所述将所述多个第一类用户的征信特征和多个第二类用户的用户特征作为训练样本，通过训练得到预测模型，包括：

根据所述多个第一类用户的征信特征、所述多个第二类用户的用户特征以及所述多个第一类用户和所述多个第二类用户之间的相关性信息，建立第一子模型，所述第一子模型用于基于所输入的用户特征获取所述每个第一类用户的推荐系数。

3.根据权利要求1或2所述的方法，其特征在于，所述将所述多个第一类用户的征信特征和多个第二类用户的用户特征作为训练样本，通过训练得到预测模型，包括：

根据所述多个第一类用户的征信特征和所述多个第二类用户的用户特征，建立第二子模型，所述第二子模型用于基于所述多个第一类用户的征信特征和所输入的所述待推荐用户的用户特征，获取所述每个第一类用户的价值相关性，并将所述价值相关性获取为所述推荐系数，所述价值相关性用于指示所述第二类用户的资源转换能力与第一类用户的资源转换均值的匹配程度。

4.根据权利要求2所述的方法，其特征在于，所述多个第一类用户和所述多个第二类用户之间的相关性信息包括：每个第二类用户对所述每个第一类用户的历史点击记录、所述每个第二类用户与所述每个第一类用户之间的距离信息和所述每个第二类用户对所述每个第一类用户的点击时间信息。

5.根据权利要求1所述的方法，其特征在于，所述根据与所述第一类用户对应的访问用户的征信特征、与所述第一类用户对应的交易用户的征信特征及所述第一类用户的下级用户的征信特征，获取所述第一类用户的征信特征，包括：

根据在多个时段的每个时段内，所述访问用户中每个用户的征信特征，获取在所述每个时段内所述访问用户的征信分布；

根据在所述多个时段的每个时段内，所述交易用户中每个用户的征信特征，获取在所述每个时段内所述交易用户的征信分布；

根据在所述每个时段内所述访问用户的信用分布和在所述每个时段内所述交易用户的信用分布，获取在所述每个时段内所述访问用户和所述交易用户的征信分布差异；

获取所述第一类用户的下级用户的征信特征；

根据所述多个时段的征信分布差异和每个下级用户的征信特征，获取所述第一类用户的征信特征。

6.根据权利要求1所述的方法，其特征在于，所述向所述待推荐用户推荐所述指定用户，包括：

将所述指定用户按N次推荐系数和值从大到小进行排序；

向终端发送排序结果，以在所述终端显示按N次推荐系数和值从大到小的顺序排列的所述指定用户。